전이학습을 통한 딥러닝 기반 평발 분류 모델
Deep Learning-based Pes Planus Classification Model Using Transfer Learning
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 기존 편평발 측정을 위해 사용되던 다양한 방법의 한계를 보완할 수 있는 새로운 측정 방법으로 전이학습을 적용한 딥러닝 기반 편평발 분류 방법론을 제안한다. 편평발 88장, 정상발 88장으로 이루어진 총 176장의 이미지 데이터를 활용하여, 적은 데이터로도 우수한 예측 모델을 생성할 수 있는 데이터 증폭 기술과 사전학습 모델인 VGG16 구조를 활용하는 전이학습 기술을 적용하여 제안 모델의 학습을 진행하였다. 제안 모델의 우수성을 확인하기 위하여 기본 CNN 기반 모델과 제안 방법론의 예측 정확도를 비교하는 실험을 수행하였다. 기본 CNN 모델의 경우훈련 정확도는 77.27%, 검증 정확도는 61.36%, 그리고 시험 정확도는 59.09%로 나타났으며, 제안모델의 경우 훈련 정확도는 94.32%, 검증 정확도는 86.36%, 그리고 시험 정확도는 84.09%로 나타나 기본 CNN 모델에 비해 제안 모델의 정확도가 큰 폭으로 향상된 것을 확인하였다.
Abstract
This study proposes a deep learning-based flat foot classification methodology using transfer learning. We used a transfer learning with VGG16 pre-trained model and a data augmentation technique to generate a model with high predictive accuracy from a total of 176 image data consisting of 88 flat feet and 88 normal feet. To evaluate the performance of the proposed model, we performed an experiment comparing the prediction accuracy of the basic CNN-based model and the prediction model derived through the proposed methodology. In the case of the basic CNN model, the training accuracy was 77.27%, the validation accuracy was 61.36%, and the test accuracy was 59.09%. Meanwhile, in the case of our proposed model, the training accuracy was 94.32%, the validation accuracy was 86.36%, and the test accuracy was 84.09%, indicating that the accuracy of our model was significantly higher than that of the basic CNN model.
참고문헌 (19)
- 오설영, "3D 스캐닝, 3D 모델링, 3D 프린팅 기반의 3D 시스템에 의한 시니어 평발용 인솔 제작", 복식문화연구, 25(3), pp.270~284 (2017), 복식문화학회[DOI]
- M. T. Bhoir, "Prevalence of flat foot among 18-25 years old physiotherapy students : cross sectional study", Indian Journal of Basic and Applied Medical Research, 3(4), pp.272~278 (2014)
- E. Toullec, "Adult flatfoot", Orthopaedics & Traumatology:Surgery & Research, 101(1), pp.S11~S17 (2015)
- 이은상, "라이프케어 증진을 위한 발내재근 훈련과 발배뼈 가동술이 유연성 편평발에 미치는 효과", 한국엔터테인먼트산업학회논문지, 13(5), pp.195~201 (2019), 한국엔터테인먼트산업학회[DOI]
- H. J. Hillstrom, "Foot type biomechanics part 1 : structure and function of the asymptomatic foot", Gait Posture, 37(3), pp.445~451 (2013)
- 박민철, "편평발에서 Low-dye 테이핑이 한발 서기 동안 근활성도 변화에 미치는 영향", 대한물리의학회지, 8(4), pp.533~538 (2013), 대한물리의학회
- 김성경, "안쪽 세로 발바닥 활을 지지한 인솔의 착용이 평발을 가진 경직성 뇌성마비 아동의 보행에 미치는 영향", 대한물리의학회지, 7(4), pp.471~480 (2012), 대한물리의학회
- 김남순, "노년 여성의 발 유형분류", 한국의류학회지, 38(3), pp.305~320 (2014), 한국의류학회
- 한기훈, "편평족 노인의 계단 하강 보행 시 아치 지지형 인솔 종류에 따른 족저압력 및 균형성 평가", 한국응용과학기술학회지, 35(3), pp.948~955 (2018), 한국응용과학기술학회[DOI]
- Y. C. Lin, "Imaging of adult flatfoot : correlation of radiographic measurements with mri", Musculoskeletal Imaging & Original Research, 204(2), pp.354~359 (2015)
- 주지용, "Effects of Customized 3D-printed Insoles on the Kinematics of Flat-footed Walking and Running", 한국운동역학회지, 28(4), pp.237~244 (2018), 한국운동역학회[DOI]
- F. Chollet, "Deep learning from keras' creator", pp.33~218 (2018), Gilbut
- 김기평, "딥러닝 알고리즘을 이용한 뇌파-기반 목격 여부 분류 시스템의 성능 비교", 과학수사학회지, 13(2), pp.95~101 (2019), 한국과학수사학회[DOI]
- C. S. MA, "Machine learning & deep learning with a clear view of business", pp.123~128 (2019), only book
- Y. LeCun, "Backpropagation applied to handwritten zip code recognition", Neural Computation, 1(4), pp.541~551 (1989)
- 김재준, "실시간 야구 중계를 위한 CNN 기반 고속 야구 선수 위치 검출 시스템", 정보과학회 컴퓨팅의 실제 논문지, 25(3), pp.171~178 (2019), 한국정보과학회[DOI]
- 김무성, "단어 계층 기반 텍스트 데이터 증강 방법론", 한국컴퓨터정보학회논문지, 26(1), pp.57~67 (2021), 한국컴퓨터정보학회[DOI]
- 임형준, "깊은 신경망 기반의 전이학습을 이용한 사운드 이벤트 분류", 한국음향학회지, 35(2), pp.143~148 (2016), 한국음향학회[DOI]
- 설동현, "콘크리트 균열 탐지를 위한 딥 러닝 기반 CNN 모델 비교", 대한건축학회논문집 구조계, 36(3), pp.113~120 (2020), 대한건축학회